チェーンでつなぐ、Graph RAG スタイル！
ここまでの内容をすべて組み合わせて、Graph RAG の QA チェーンを作成しましょう。これまでの章で扱ってきたのと同じ graph（ノードやリレーションシップに多少の違いがある場合があります）が用意されています。これを別の LLM と接続して、Cypher クエリを生成し、自然言語の応答を返します。
この演習はコースの一部です
LangChain で学ぶ Retrieval Augmented Generation (RAG)
演習の手順
- OpenAI のチャットモデルと、これまでに作成した
graphを使って Graph Cypher QA チェーンを作成します。 - 指定された入力でチェーンを呼び出します。
- 返された
resultから結果のテキストを抽出して表示します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Create the Graph Cypher QA chain
graph_qa_chain = ____.____(
____=ChatOpenAI(api_key="", temperature=0), ____, verbose=True
)
# Invoke the chain with the input provided
result = ____({"query": "Who discovered the element Radium?"})
# Print the result text
print(f"Final answer: {result['____']}")